CN116467525A - 业务产品的推荐方法、装置、设备和存储介质 - Google Patents
业务产品的推荐方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN116467525A CN116467525A CN202310453383.7A CN202310453383A CN116467525A CN 116467525 A CN116467525 A CN 116467525A CN 202310453383 A CN202310453383 A CN 202310453383A CN 116467525 A CN116467525 A CN 116467525A
- Authority
- CN
- China
- Prior art keywords
- user
- target user
- target
- cluster
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种业务产品的推荐方法、装置、设备和存储介质。涉及人工智能技术领域。该方法包括：首先，若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；根据目标用户的用户特征，从候选用户簇中确定目标用户所属的目标簇；根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；然后，根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。本申请在目标用户办理业务时，可以根据目标用户的用户特征精确的确定目标用户的标签，并基于目标用户的用户特征、精确的用户标签，并从推荐业务类型中精确的选择为用户推荐的业务产品，这样提高了推荐业务产品的精确度，此外，也提高了业务办理的效率。
Description
技术领域
本申请涉及人工智能技术领域，特别是涉及一种业务产品的推荐方法、装置、设备和存储介质。
背景技术
随着社会经济的发展，用户的消费越来越多样化。
目前，在为用户推荐业务产品的过程，工作人员先通过询问用户的需求，查询用户的信息，例如各种身份信息、消费信息等，然后，主观的从多种不同类型的业务产品中，选择为用户推荐的业务产品，显然，这个过程中，存在推荐效率低，且无法精确为用户推荐适合用户的业务产品的问题。
因此，如何快速且精确的为用户推荐业务产品，是目前亟需解决的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种精确的业务产品的推荐方法、装置、设备和存储介质。
第一方面，本申请提供了一种业务产品的推荐方法，该方法包括：
若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；
获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；
根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；
根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
在其中一个实施例中，根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇，包括：
根据目标用户的用户特征，判断候选用户簇中是否存在包含目标用户的候选用户簇；
若存在，则将包含目标用户的候选用户簇作为目标用户所属的目标簇。
在其中一个实施例中，还包括：
若不存在，则根据目标用户的用户特征，从历史用户中，确定目标用户的相似用户，并将相似用户所属的候选用户簇，作为目标用户所属的目标簇。
在其中一个实施例中，获取目标用户的用户特征，包括：
获取目标用户的多源异构数据，并根据目标用户的多源异构数据，构建目标用户的用户画像；其中，多源异构数据至少包括目标用户的基本信息和目标用户的历史业务操作数据；
根据目标用户的用户画像，确定目标用户的用户特征。
在其中一个实施例中，确定目标用户对应的推荐业务类型，包括：
确定是否接收到目标用户的业务办理请求；
若是，则将业务办理请求对应的办理业务类型，作为目标用户对应的推荐业务类型。
在其中一个实施例中，还包括：
若否，则根据目标用户对可选业务的历史浏览次数和/或历史办理次数，从可选业务中确定所述目标用户对应的推荐业务类型。
第二方面，本申请还提供了一种业务产品的推荐装置。该装置包括：
检测模块，用于检测目标用户的登录事件；
第一确定模块，用于确定目标用户对应的推荐业务类型；
获取模块，用于获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；
第二确定模块，用于根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；
推荐模块，用于根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行所述计算机程序时实现以下步骤：
若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；
获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；
根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；
根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；
获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；
根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；
根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
第五方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；
获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；
根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；
根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
上述业务产品的推荐方法、装置、设备和存储介质，首先，若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；然后，根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。本申请在目标用户办理业务时，可以根据目标用户的用户特征和候选用户簇精确的从候选用户簇中确定目标用户所属的目标簇的簇标签，并基于目标簇的簇标签，确定目标用户的标签，然后，基于目标用户的用户特征、精确的用户标签，从推荐业务类型中精确的选择为用户推荐的业务产品，提高了推荐业务产品的精确度，此外，本申请无需通过先询问目标用户的需求，查询目标用户的信息以后，再去主观判断适合目标用户的业务产品，这样减少了业务操作流程，节约了为目标用户办理服务的时间，提高了业务办理的效率。
附图说明
图1为本实施例提供的一种业务产品的推荐方法的应用环境图；
图2为本实施例提供的第一种业务产品的推荐方法的流程示意图；
图3为本实施例提供的一种确定目标用户对应的推荐业务类型的流程示意图；
图4为本实施例提供的一种确定目标用户的目标簇的流程示意图；
图5为本实施例提供的第二种业务产品的推荐方法的流程示意图；
图6为本实施例提供的一种业务产品的推荐装置的结构框图；
图7为本实施例提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图1所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过无线保真(Wireless-Fidelity，WIFI)、移动蜂窝网络、近场通信(Near FieldCommunication，NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种业务产品的推荐方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
在一个实施例中，如图2所示，提供了一种业务产品的推荐方法，该方法包括以下步骤：
S201、若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型。
可选的，目标用户是指当前办理业务的任意用户。登录事件是指目标用户登录业务推荐页面的事件。具体的，可以将检测到的目标用户输入的验证信息对应的事件，作为登录事件。其中，验证信息包括账号和密码、手机号和验证码等。
推荐业务类型是指为目标用户推荐的可选的业务类型，例如，存款、贷款以及理财等业务类型。可选的，可以将目标用户当前办理的业务类型作为推荐业务类型。例如，假设目标用户当前办理业务类型是存款业务，可以将存款业务类型作为目标用户对应的推荐业务类型。可选的，可以将目标用户历史办理次数最多的业务类型作为推荐业务类型，或者将目标用户最近办理的业务类型作为推荐业务类型。可选的，可以将目标用户历史浏览次数最大的业务类型作为推荐业务类型。可选的，还可以将最热门的业务类型或者最新推出的业务类型作为推荐业务类型。
本实施例中，在检测到目标用户输入的验证信息对应的事件时，为目标用户显示业务推荐页面，然后，可以基于目标用户当前办理的业务、历史办理的业务、浏览的业务、最热门的业务和最新推出的业务等多个维度，为目标用户推荐对应的业务类型，提高了推荐业务类型的丰富性。
S202、获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇。
其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签。
可选的，目标用户的用户特征是对目标用户的用户画像进行分析，归纳出的表征目标用户的身份、收支情况、关联关系、风险、营销、消费等信息的特征，如身份、收支情况、关联关系、风险、营销、消费等信息对应的特征。
为了对获取目标用户的用户特征进行理解，一种可选的实施方式中，可以是获取目标用户的多源异构数据，并根据目标用户的多源异构数据，构建目标用户的用户画像；其中，多源异构数据至少包括目标用户的基本信息和目标用户的历史业务操作数据；根据目标用户的用户画像，确定目标用户的用户特征。
其中，多源异构数据是指通过多种渠道获取的目标用户的数据。目标用户的历史业务操作数据是指目标用户在至少一种客户端中对可选业务的操作数据，例如，目标用户的存款记录数据、目标用户的理财数据等。目标用户的基本信息是指包括用户的身份信息的数据，例如，姓名、年龄和身份等数据。可选的，多源异构数据还可以包括关联关系数据、兴趣偏好数据、收支情况数据、用户风险信息数据、营销信息数据、目标用户在线下登记的信息数据和目标用户的购物消费数据等。
用户画像又称用户角色，作为一种勾画目标用户的属性信息、关联关系、兴趣偏好、收支情况、用户风险信息和营销信息的模型，该模型可以将目标用户与属性信息、关联关系、兴趣偏好、收支情况、用户风险信息和营销信息等建立联结关系。其中，属性信息包括身份特征信息，例如，姓名、年龄和身份等。关联关系包括生活关系、金融关联关系和社交网络关系等，其中，生活关系包括家庭关系、同事关系、朋友关系、社区生活关系等；金融关联关系包括资金关联关系、买卖联系关系等；社交网络关系包括微信朋友圈、微博等社交网络等。兴趣偏好包括金融产品偏好、生活兴趣爱好、业务办理渠道偏好，其中，金融产品偏好包括产品持有比例、产品持有金额等，生活兴趣爱好包括运动、医疗、食品等；业务办理渠道偏好包括线上应用程序或线下应用程序等。用户风险信息包括信用风险评分、综合授信额度、违约概率等、黑名单记录信息包括信用卡逾期数据、欠费和保险欺诈等。营销信息包括近期需求信息和营销活动信息等，其中，近期需求信息包括近期是否结婚、是否换工作、是否出行、是否理财、是否买保险等；营销活动信息包括用户满意度、流失概率和活动响应等。
本实施例中，可以通过多种渠道采集目标用户的属性信息数据、关联关系数据、兴趣偏好数据、收支情况数据、用户风险信息数据、营销信息数据、历史业务操作数据、目标用户在线下登记的信息数据和目标用户的购物消费数据等多源异构数据，增加了多源异构数据的丰富性，并基于丰富的多源异构数据，精确的建立目标用户与属性信息、关联关系、兴趣偏好、收支情况、用户风险信息和营销信息等之间的联结关系，可以仅基于该联结关系确定目标用户的身份特征和对可选业务的偏好的特征，这样可以快速确定目标用户的特征。
可选的，为了精确的确定目标用户的用户特征，在确定目标用户的身份特征和对可选业务的偏好的特征的基础上，还可以基于该联结关系确定目标用户的收支情况特征、关联关系特征、风险特征、营销特征、消费特征等，这样可以使确定的目标用户的特征更精确。
本实施例中，可以预先获取历史用户的多源异构数据，并基于历史用户的多源异构数据构建历史用户画像，从历史用户画像中提取历史用户的用户特征，并利用k-means++聚类算法对历史用户的用户特征进行聚类分析，得到候选用户簇，以及每个候选用户簇对应的簇标签。可选的，可以基于预先确定的候选用户簇，快速且精确的确定目标用户对应的目标簇，以及簇标签。
可选的，每个候选用户簇对应的簇标签包括业务偏好种类标签和身份种类的标签等中的至少一种。具体的，可以根据每个候选用户簇中大多数历史用户的收支情况、关联关系、风险、营销、消费等对应的数据；为每个候选用户簇确定偏好业务种类对应的标签，以及从用户特征中选择用户身份特征，为每个候选用户簇打上用户身份种类对应的标签。
实际应用中，还可以基于人工对历史用户的用户特征进行分析，确定每个候选用户簇，以及每个候选用户簇对应的簇标签。
S203、根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签。
可选的，目标用户的用户标签是指对目标用户特征进行分析，归纳出的表征目标用户的业务偏好种类和身份种类的标签。其中，当业务产品为金融产品时，业务偏好种类的标签包括偏好网购的用户、偏爱投资的用户、稳健型的用户和综合型用户；偏好网购的用户是指用户的消费记录大部分是网上的消费；偏爱投资的用户是指用户经常在用户端上购买和卖出基金，股票等金融产品；稳健型的用户是指用户的资金等资产流动性较弱；综合型用户是指根据用户现有的信息，分辨不出用户的偏好，即该类用户既偏好网购，又偏爱投资，还资产流动性较弱。用户身份种类的标签包括学生、孕妇、职员等。需要说明是，本实施例中，对业务产品的类型不做限定，业务产品为金融产品仅是示例，实际应用中，业务产品还可以包括各种类型的商业产品等。
本实施例中，在确定目标用户所属的目标簇的簇标签之后，可以直接将目标簇的簇标签作为目标用户的用户标签。例如，目标用户所属的目标簇的簇标签包括偏好网购、学生时，可以将偏好网购、学生这两个作为目标用户的用户标签。
一种可选的实施方式中，可以直接根据目标用户的用户特征，确定目标用户的用户标签，可选的，对获取的目标用户的到目标用户的身份、收支情况、关联关系、风险、营销、消费等信息对应的数据进行聚类分析，确定目标用户的业务偏好种类标签和身份种类的标签。另一种可选的实施方式，还可以在获取到目标用户的身份、收支情况、关联关系、风险、营销、消费等信息对应的数据之后，人工对这些数据进行分析，确定目标用户的业务偏好种类标签和身份种类的标签。
S204、根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
可选的，业务产品可以是与可选业务相关的产品，例如基金，股票等。
本实施例中，针对目标用户，在确定目标用户的用户特征、用户标签，以及推荐业务类型之后，可以根据目标用户的用户特征、用户标签，从推荐业务类型中精确的选择为目标用户推荐的业务产品。即本申请中，在目标用户办理业务时，可以根据目标用户的用户特征精确的确定目标用户的标签，并基于目标用户的用户特征、精确的用户标签，从推荐业务类型中精确的选择为用户推荐的业务产品，提高了推荐业务产品的精确度。
另外，还可以根据目标用户的用户特征、用户标签，确定目标用户的流动资金需求量，并根据流动资金需求量，从推荐业务类型中精确的选择为目标用户推荐的业务产品，这样可以精确的基于目标用户的标签，准确的为目标用户推荐合适的业务产品，提高了目标用户对推荐的业务产品的满意度。
例如，假设目标用户的标签是偏爱投资的用户，可以根据目标用户的身份特征风险特征和收支情况，确定目标用户的流动资金需求量，并根据流动资金需求量，从基金、股票等可选的投资业务类型中精确的选择为目标用户推荐的业务产品。假设目标用户的标签是偏好网购的用户，假设在目标用户办理存款业务的时候，可以推荐活期的存款，以及在购买基金等金融产品时，可以推荐稳定的风险小的基金产品。假设目标用户的标签是一位刚生完小孩的母亲，可以给目标用户推荐一些适合小朋友的有寓意的金制品以及适合小朋友的成长基金等。
上述业务产品的推荐方法中，首先，若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；然后，根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。本申请在目标用户办理业务时，可以根据目标用户的用户特征和候选用户簇精确的从候选用户簇中确定目标用户所属的目标簇的簇标签，并基于目标簇的簇标签，确定目标用户的标签，然后，基于目标用户的用户特征、精确的用户标签，从推荐业务类型中精确的选择为用户推荐的业务产品，提高了推荐业务产品的精确度，此外，本申请无需通过先询问目标用户的需求，查询目标用户的信息以后，再去主观判断适合目标用户的业务产品，这样减少了业务操作流程，节约了为目标用户办理服务的时间，提高了业务办理的效率。
在上述实施例的基础上，为了对S201中确定目标用户对应的推荐业务类型进行理解，本实施例给出如下一种确定目标用户对应的推荐业务类型可选实现方式，具体如图3所示，包括如下步骤：
S301、检测到目标用户的登录事件。
S302、确定是否接收到目标用户的业务办理请求；若是，则执行S303，若否，则执行S304。
S303、将业务办理请求对应的办理业务类型，作为目标用户对应的推荐业务类型。
S304、根据目标用户对可选业务的历史浏览次数和/或历史办理次数，从可选业务中确定目标用户对应的推荐业务类型。
可选的，业务办理请求是指携带目标用户的当前需要办理的业务类型对应的数据的请求。具体的，可以是指目标用户当前在业务办理页面触发的点击、滑动业务按钮等操作对应的请求，其中，业务按钮都有对应的业务类型。可选业务是指业务推荐页面显示的，可供用户选择的所有业务。例如业务推荐页面显示的存款、贷款以及理财等多种可以供用户选择业务。
本实施例中，在检测到目标用户登录业务办理页面之后，可以进一步检测是否接收到目标用户在业务办理页面触发的点击或滑动业务按钮等操作，若接收到点击或滑动业务按钮等操作，则将点击或滑动业务按钮等操作对应的业务类型，作为目标用户对应的推荐业务类型。本实施例中，在目标用户办理业务时，考虑推荐业务类型这个维度，并可以基于业务办理请求对应的办理业务类型，为目标用户推荐业务产品，保证推荐业务产品的精确度。
本实施例中，若没有接收到目标用户在业务办理页面触发的点击、滑动业务按钮等操作，可选的，可以将基于历史浏览次数、历史办理次数等维度，从可选业务中确定为目标用户推荐的推荐业务类型。可选的，为了增加推荐业务类型的丰富性，还可以基于历史浏览次数、历史办理次数、最热门的业务类型或者最新推出的业务类型等多个维度，从可选业务中确定目标用户推荐对应的推荐业务类型。
具体的，若没有接收到目标用户在业务办理页面触发的点击或滑动业务按钮等操作，可选的，可以根据目标用户针对可选业务的历史浏览次数，将目标用户的最大历史浏览次数对应的业务类型作为为目标用户推荐的推荐业务类型。可选的，可以根据目标用户针对可选业务的历史办理次数，将目标用户的最大历史办理次数对应的业务类型作为为目标用户推荐的推荐业务类型。可选的，可以根据目标用户针对可选业务的历史办理次数和历史浏览次数，将目标用户的历史办理次数和历史浏览次数加和最大的业务类型作为为目标用户推荐的推荐业务类型。可以根据最近热门的业务类型，将最热门的业务类型作为为目标用户推荐的推荐业务类型。还可以根据最近推出的业务类型，将最新推出的业务类型作为为目标用户推荐的推荐业务类型。
本实施例中，可以基于历史浏览次数、历史办理次数、最热门的业务类型或者最新推出的业务类型等多个维度，从可选业务中确定目标用户推荐对应的推荐业务类型，增加了推荐业务类型的丰富性。
为了对上述S202中的确定目标用户所属的目标簇进行理解，本实施提供了一种确定目标用户所属的目标簇可选的实施方式，具体包括如下步骤：
S401、开始；
S402、根据目标用户的用户特征，判断候选用户簇中是否存在包含目标用户的候选用户簇；若存在，则执行S403；若不存在，则执行S404。
S403、将包含目标用户的候选用户簇作为目标用户所属的目标簇。
S404、根据目标用户的用户特征，从历史用户中，确定目标用户的相似用户，并将相似用户所属的候选用户簇，作为目标用户所属的目标簇。
本实施例中，在获取到目标用户的用户特征，可以基于目标用户的用户特征，在候选用户簇中进行索引，确定候选用户簇是否存在目标用户，若是，则说明目标用户是历史用户，可以将预先确定的包含目标用户的候选用户簇作为目标用户所属的目标簇；若否，则说明目标用户不是历史用户，可以比较目标用户的用户特征和历史用户的用户特征，将二者相似度最大的历史用户，作为目标用户的相似用户，可以将预先确定的包含相似用户的候选用户簇作为目标用户所属的目标簇。本实施例中，可以基于预先确定的候选用户簇，快速且精确的确定目标用户对应的目标簇，便于后续根据目标簇的簇标签，精确的确定目标用户的用户标签。
本实施例中，在候选用户簇中存在包含目标用户的候选用户簇时，直接将目标用户的候选用户簇作为目标用户所属的目标簇，并将目标用户所属的目标簇的簇标签，作为目标用户的用户标签，这样可以快速的确定目标用户的用户标签，提高了确定目标用户的用户标签的效率。另外，在候选用户簇中不存在包含目标用户的候选用户簇时，将相似用户所属的候选用户簇，作为目标用户所属的目标簇，并将目标用户所属的目标簇的簇标签，作为目标用户的用户标签，这样可以精确的确定目标用户的用户标签，提高了确定目标用户的用户标签的精确度。
在上述实施例的基础上，本实施例提供了第二种业务产品的推荐方法的可选实现方式，如图5所示，该方法包括以下步骤：
S501、检测目标用户的登录事件。
S502、确定是否接收到目标用户的业务办理请求；若是，执行S503，否则，执行S504。
S503、将业务办理请求对应的办理业务类型，作为目标用户对应的推荐业务类型。
S504、根据目标用户对可选业务的历史浏览次数和/或历史办理次数，从可选业务中确定目标用户对应的推荐业务类型。
S505、获取目标用户的多源异构数据，并根据目标用户的多源异构数据，构建目标用户的用户画像。
其中，多源异构数据至少包括目标用户的基本信息和目标用户的历史业务操作数据。
S506、根据目标用户的用户画像，确定目标用户的用户特征。
S507、根据目标用户的用户特征，判断候选用户簇中是否存在包含目标用户的候选用户簇；若是，执行S508，否则，执行S509。
S508、将包含目标用户的候选用户簇作为目标用户所属的目标簇。
S509、根据目标用户的用户特征，从历史用户中，确定目标用户的相似用户，并将相似用户所属的候选用户簇，作为目标用户所属的目标簇。
S510、根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签。
S511、根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的业务产品的推荐方法的一种业务产品的推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案和有益效果相似，故下面所提供的一个或多个业务产品的推荐装置实施例中的具体限定可以参见上文中对于一种业务产品的推荐方法的限定，在此不再赘述。
在一个实施例中，如图6所示，提供了一种业务产品的推荐装置1，包括：
检测模块601，用于检测目标用户的登录事件；
第一确定模块602，用于确定目标用户对应的推荐业务类型；
获取模块603，用于获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；
第二确定模块604，用于根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；
推荐模块605，用于根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
在其中一个实施例中，获取模块603，包括：
判断单元，用于根据目标用户的用户特征，判断候选用户簇中是否存在包含目标用户的候选用户簇；
第一确定单元，用于若候选用户簇中存在包含目标用户的候选用户簇时，则将包含目标用户的候选用户簇作为目标用户所属的目标簇。
在其中一个实施例中，获取模块603，具体用于：：
若候选用户簇中不存在包含目标用户的候选用户簇时，则根据目标用户的用户特征，从历史用户中，确定目标用户的相似用户，并将相似用户所属的候选用户簇，作为目标用户所属的目标簇。
在其中一个实施例中，获取模块603，具体还用于：
获取目标用户的多源异构数据，并根据目标用户的多源异构数据，构建目标用户的用户画像；其中，多源异构数据至少包括目标用户的基本信息和目标用户的历史业务操作数据；
根据目标用户的用户画像，确定目标用户的用户特征。
在其中一个实施例中，第一确定模块602，包括：
第二确定单元，用于确定是否接收到目标用户的业务办理请求；
第三确定单元，用于若接收到目标用户的业务办理请求时，则将业务办理请求对应的办理业务类型，作为目标用户对应的推荐业务类型。
在其中一个实施例中，确定模块602，具体还用于：
若接收到目标用户的业务办理请求时，则根据目标用户对可选业务的历史浏览次数和/或历史办理次数，从可选业务中确定所述目标用户对应的推荐业务类型。
上述业务产品的推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现业务产品的推荐。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
在其中一个实施例中，根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇，包括：根据目标用户的用户特征，判断候选用户簇中是否存在包含目标用户的候选用户簇；若存在，则将包含目标用户的候选用户簇作为目标用户所属的目标簇。
在其中一个实施例中，还包括：若不存在，则根据目标用户的用户特征，从历史用户中，确定目标用户的相似用户，并将相似用户所属的候选用户簇，作为目标用户所属的目标簇。
在其中一个实施例中，获取目标用户的用户特征，包括：获取目标用户的多源异构数据，并根据目标用户的多源异构数据，构建目标用户的用户画像；其中，多源异构数据至少包括目标用户的基本信息和目标用户的历史业务操作数据；根据目标用户的用户画像，确定目标用户的用户特征。
在其中一个实施例中，确定目标用户对应的推荐业务类型，包括：确定是否接收到目标用户的业务办理请求；若是，则将业务办理请求对应的办理业务类型，作为目标用户对应的推荐业务类型。
在其中一个实施例中，还包括：若否，则根据目标用户对可选业务的历史浏览次数和/或历史办理次数，从可选业务中确定所述目标用户对应的推荐业务类型。
本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
在其中一个实施例中，根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇，包括：根据目标用户的用户特征，判断候选用户簇中是否存在包含目标用户的候选用户簇；若存在，则将包含目标用户的候选用户簇作为目标用户所属的目标簇。
在其中一个实施例中，还包括：若不存在，则根据目标用户的用户特征，从历史用户中，确定目标用户的相似用户，并将相似用户所属的候选用户簇，作为目标用户所属的目标簇。
在其中一个实施例中，获取目标用户的用户特征，包括：获取目标用户的多源异构数据，并根据目标用户的多源异构数据，构建目标用户的用户画像；其中，多源异构数据至少包括目标用户的基本信息和目标用户的历史业务操作数据；根据目标用户的用户画像，确定目标用户的用户特征。
在其中一个实施例中，确定目标用户对应的推荐业务类型，包括：确定是否接收到目标用户的业务办理请求；若是，则将业务办理请求对应的办理业务类型，作为目标用户对应的推荐业务类型。
在其中一个实施例中，还包括：若否，则根据目标用户对可选业务的历史浏览次数和/或历史办理次数，从可选业务中确定所述目标用户对应的推荐业务类型。
本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：若检测到目标用户的登录事件，则确定目标用户对应的推荐业务类型；获取目标用户的用户特征，并根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇；其中，候选用户簇是基于历史用户的用户特征对历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；根据目标用户所属的目标簇的簇标签，确定目标用户的用户标签；根据目标用户的用户特征、用户标签，以及推荐业务类型，向目标用户推荐业务产品。
在其中一个实施例中，根据目标用户的用户特征，从候选用户簇中，确定目标用户所属的目标簇，包括：根据目标用户的用户特征，判断候选用户簇中是否存在包含目标用户的候选用户簇；若存在，则将包含目标用户的候选用户簇作为目标用户所属的目标簇。
在其中一个实施例中，还包括：若不存在，则根据目标用户的用户特征，从历史用户中，确定目标用户的相似用户，并将相似用户所属的候选用户簇，作为目标用户所属的目标簇。
在其中一个实施例中，获取目标用户的用户特征，包括：获取目标用户的多源异构数据，并根据目标用户的多源异构数据，构建目标用户的用户画像；其中，多源异构数据至少包括目标用户的基本信息和目标用户的历史业务操作数据；根据目标用户的用户画像，确定目标用户的用户特征。
在其中一个实施例中，确定目标用户对应的推荐业务类型，包括：确定是否接收到目标用户的业务办理请求；若是，则将业务办理请求对应的办理业务类型，作为目标用户对应的推荐业务类型。
在其中一个实施例中，还包括：若否，则根据目标用户对可选业务的历史浏览次数和/或历史办理次数，从可选业务中确定所述目标用户对应的推荐业务类型。
需要说明的是，本申请所涉及的数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种业务产品的推荐方法，其特征在于，所述方法包括：
若检测到目标用户的登录事件，则确定所述目标用户对应的推荐业务类型；
获取所述目标用户的用户特征，并根据所述目标用户的用户特征，从候选用户簇中，确定所述目标用户所属的目标簇；其中，所述候选用户簇是基于历史用户的用户特征对所述历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；
根据所述目标用户所属的目标簇的簇标签，确定所述目标用户的用户标签；
根据所述目标用户的用户特征、所述用户标签，以及所述推荐业务类型，向所述目标用户推荐业务产品。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的用户特征，从候选用户簇中，确定所述目标用户所属的目标簇，包括：
根据所述目标用户的用户特征，判断所述候选用户簇中是否存在包含所述目标用户的候选用户簇；
若存在，则将包含所述目标用户的候选用户簇作为所述目标用户所属的目标簇。
3.根据权利要求2所述的方法，其特征在于，还包括：
若不存在，则根据所述目标用户的用户特征，从所述历史用户中，确定所述目标用户的相似用户，并将所述相似用户所属的候选用户簇，作为所述目标用户所属的目标簇。
4.根据权利要求1所述的方法，其特征在于，所述获取所述目标用户的用户特征，包括：
获取目标用户的多源异构数据，并根据所述目标用户的多源异构数据，构建目标用户的用户画像；其中，所述多源异构数据至少包括所述目标用户的基本信息和目标用户的历史业务操作数据；
根据所述目标用户的用户画像，确定所述目标用户的用户特征。
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述确定所述目标用户对应的推荐业务类型，包括：
确定是否接收到所述目标用户的业务办理请求；
若是，则将所述业务办理请求对应的办理业务类型，作为所述目标用户对应的推荐业务类型。
6.根据权利要求5所述的方法，其特征在于，还包括：
若否，则根据所述目标用户对可选业务的历史浏览次数和/或历史办理次数，从所述可选业务中确定所述目标用户对应的推荐业务类型。
7.一种业务产品的推荐装置，其特征在于，所述装置包括：
检测模块，用于检测目标用户的登录事件；
第一确定模块，用于确定所述目标用户对应的推荐业务类型；
获取模块，用于获取所述目标用户的用户特征，并根据所述目标用户的用户特征，从候选用户簇中，确定所述目标用户所属的目标簇；其中，所述候选用户簇是基于历史用户的用户特征对所述历史用户进行聚类得到，且每一候选用户簇对应至少一个簇标签；
第二确定模块，用于根据所述目标用户所属的目标簇的簇标签，确定所述目标用户的用户标签；
推荐模块，用于根据所述目标用户的用户特征、所述用户标签，以及所述推荐业务类型，向所述目标用户推荐业务产品。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310453383.7A CN116467525A (zh) | 2023-04-25 | 2023-04-25 | 业务产品的推荐方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310453383.7A CN116467525A (zh) | 2023-04-25 | 2023-04-25 | 业务产品的推荐方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116467525A true CN116467525A (zh) | 2023-07-21 |
Family
ID=87182190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310453383.7A Pending CN116467525A (zh) | 2023-04-25 | 2023-04-25 | 业务产品的推荐方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116467525A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117237053A (zh) * | 2023-09-28 | 2023-12-15 | 朗臻(广州)信息技术有限责任公司 | 一种机票分销平台及其控制方法 |
-
2023
- 2023-04-25 CN CN202310453383.7A patent/CN116467525A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117237053A (zh) * | 2023-09-28 | 2023-12-15 | 朗臻(广州)信息技术有限责任公司 | 一种机票分销平台及其控制方法 |
| CN117237053B (zh) * | 2023-09-28 | 2024-05-14 | 朗臻(广州)信息技术有限责任公司 | 一种机票分销平台及其控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9348898B2 (en) | Recommendation system with dual collaborative filter usage matrix | |
| US8589208B2 (en) | Data integration and analysis | |
| Miao et al. | Context‐based dynamic pricing with online clustering | |
| EP2779058A1 (en) | Recommendations based upon explicit user similarity | |
| WO2020150611A1 (en) | Systems and methods for entity performance and risk scoring | |
| CN113781139A (zh) | 物品推荐方法、物品推荐装置、设备和介质 | |
| CN116467525A (zh) | 业务产品的推荐方法、装置、设备和存储介质 | |
| WO2020150597A1 (en) | Systems and methods for entity performance and risk scoring | |
| US11488263B1 (en) | Social network for merchants | |
| CN115758271A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| Camilleri | Using big data for customer centric marketing | |
| CN113837843A (zh) | 产品推荐方法、装置、介质及电子设备 | |
| CN113780318A (zh) | 用于生成提示信息的方法、装置、服务器和介质 | |
| Zhu | Research on multi‐source mobile commerce service recommendation model of data fusion based on tree network | |
| CN104966212B (zh) | 用户移动化程度的检测方法及应用方法 | |
| Zhang | Consumer behavior analysis based on Internet of Things platform and the development of precision marketing strategy for fresh food e-commerce | |
| CN117575765A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN116881546A (zh) | 资源推荐方法、装置、设备和存储介质 | |
| CN117033765A (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
| CN117372113A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN117333255A (zh) | 产品推荐方法、装置、计算机设备、存储介质和程序产品 | |
| CN114820105A (zh) | 产品展示方法、装置、计算机设备和存储介质 | |
| CN117312999A (zh) | 对象分类方法、装置、计算机设备和存储介质 | |
| CN116485462A (zh) | 优惠方案确定方法、装置、计算机设备和存储介质 | |
| CN117194791A (zh) | 用于推荐算法的采样方法、装置、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |